使用屏障李雅普诺夫与模糊帕德逼近的考虑时延的欠驱动四旋翼姿态控制

在有时延的世界里让小型无人机保持稳定

现代四旋翼无人机无处不在——从桥梁检测到灾区救援。但让这些轻型飞行器在空中保持稳如磐石比看上去更困难，尤其是它们的电机和传感器并非瞬时响应。本文提出了一种新方法，使四旋翼在控制计算机命令与电机响应之间存在明显延迟时，仍能稳定并可靠地跟踪期望姿态。目标是实现更安全、更精确的无人机，以便在要求高、任务持续时间长的场景中值得信赖。

为何时延会让无人机表现失常

当你操纵摇杆或自动驾驶发出新指令时，无人机的响应从来不像想象的那样瞬时。必须先采集测量值、处理数据并将信号发送到电机。这些时延通常只有几分之一秒，但对于响应迅速的轻型飞行器来说，即便短暂的停顿也可能导致严重的晃动或失控。传统控制方法常假设这些延迟很小或恒定。实际上，延迟会变化，尤其是在通信链路繁忙或机载计算负载较高时。作者关注这一被忽视的问题：如何在存在时延并且无人机受到风扰动或建模不完美影响时，设计仍然可靠的控制系统。

为无人机运动构建更智能的安全包络

研究者以一个数学上的安全包络为核心构建了解决方案，该包络将无人机的姿态误差——期望与实际倾角之差——严格约束在界限内。该包络通过一种称为屏障函数的技术来施行，这种技术在不需采取剧烈、突兀控制动作的情况下，将系统强力推离不安全区域的边界。通俗地说，控制器被设计成使横滚、俯仰和偏航保持在约定的“安全限度”内，同时仍能快速收敛到期望姿态。这为无人机在受到扰动时不会过度倾斜提供了形式化保证，这在靠近障碍物或在受限空间内操作时尤为重要。

教会控制器预见时延

为应对时延，团队改进了一个经典思想：控制器不仅对电机当前的状态作出反应，还预测命令在稍后将产生的效果。然而，标准的预测方法对建模误差非常敏感。作者在此基础上增加了一层模糊（基于规则的）机制，基于三路实时信号持续调整预测模型：当前跟踪误差的大小、该误差变化的速度，以及对实际时延的估计。当时延增大或无人机偏离目标时，预测增益会加强；当系统平稳时，预测则放松。这个模糊预测层与安全包络相结合，重塑内部变量，使得棘手的时延不再直接出现在主要稳定性计算中。其结果是一个在感觉上已大幅中和时延影响的控制器，同时仍足够轻量，适合机载计算平台运行。

从方程到仿真与实际硬件

作者首先在包含外部扰动和输入时延的详细四旋翼姿态仿真中测试其控制器。他们将所提出的模糊预测加安全包络设计与标准模糊逻辑控制器及更经典的方法（如比例-积分-微分（PID）和反步控制）进行了比较。在横滚、俯仰和偏航角上，新方法实现了更快的上升和稳态时间、几乎为零的超调以及更低的长期累计误差。当无人机的质量或气动参数与名义值略有偏离时，这些优势仍然保持。为了证明该方法不仅是仿真上的技巧，作者将其实现于一个商用的三自由度悬停台，该平台允许四旋翼样机在横滚、俯仰和偏航方向自由旋转。编码器高精度测量角度，并将从真实硬件识别出的输入时延纳入控制器中。实验验证表明，该平台能快速跟踪期望角度，并在扰动和参数估计不完美的情况下保持稳定。

这对真实世界无人机任务意味着什么

归根结底，这项工作表明，即便在控制信号到达迟缓或环境复杂的情况下，小型无人机也可以被控制得更像可靠的工具、而不是易怒的玩具。通过将一个能够学习补偿时延的预测层与数学上强制的安全包络相结合，控制器能保持姿态误差小、恢复快且响应平滑。这种考虑时延的设计计算负担轻，足以在实际机载系统中运行，使其对搜索与救援、基础设施检测或多机协作等需要稳定性、鲁棒性与可预测行为的长期关键任务具有吸引力。

引用: Abro, G.E.M., Memon, S.A., Hoshu, A.A. et al. Latency-aware attitude control of underactuated quadrotor UAVs using barrier Lyapunov and fuzzy Padé approximation. Sci Rep 16, 10633 (2026). https://doi.org/10.1038/s41598-026-45781-x

关键词: 四旋翼控制, 输入时延, 模糊控制, 无人机稳定性, 自主无人机